Redis 高级特性

IO 多路复用

分布式锁

单 Redis 实例做分布式锁（setnx）

这里的单 Redis 实例并不是指单机版的 Redis，这里可以是 Redis 集群，也可以是 Redis 主从哨兵。之所以称之为单Redis实例分布式锁，是因为只主动在一个 Redis节点上添加分布式锁，而锁的复制是通过 Redis 的主从复制被动进行的。这样可能存在锁的单点故障问题，例如：

某个线程在 master 节点（A）上成功添加分布式锁（即 Redis 数据库中添加了一个key），在节点 A 将该分布式锁同步到其它 slave 节点（B）前，A 节点发生故障，此时 B 节点称为新的 master 节点，但是此时 B 节点中并没有这把分布式锁。那其它的线程接着请求该锁时，B 节点会为其它线程分配锁，此时整个系统中存在两个线程拥有同一把锁，因此锁失效。

多 Redis 实例做分布式锁（Redisson）

使用案例

1. 引入 pom 依赖

   <dependency>
       <groupId>org.redisson</groupId>
       <artifactId>redisson</artifactId>
       <version>3.20.1</version>
   </dependency>

2. RedisConfig 配置类中注入一个 Redisson 对象

   @Bean
   public Redisson redisson() {
       Config config = new Config();
       config.useClusterServers()
           .addNodeAddress("redis://hadoop002:6379", "redis://hadoop002:6380");
       return (Redisson) Redisson.create(config);
   }

Reddisson 源码解析

• 默认过期时间为 30 s

• WatchDog 的执行间隔是 1/3 个过期时间间隔，即 10 s

布隆过滤器

应用场景：

共有50亿个电话号码，现有10万个电话号码，如何快速准确地判断这些电话号码是否存在？

安全连接网址，全球数10亿的网址判断

黑名单校验，识别垃圾邮件

白名单校验，识别出合法用户进行后续处理

布隆过滤器是一种空间效率高、判定效率高的数据结构，主要用于检索一个元素是否在一个集合中。它是一个长向量（位数组）和一系列随机映射函数的组合。

布隆过滤器的基本思想是对于一个集合中的每个元素，将其通过 K 个哈希函数映射到一个位数组中的 K 个位置上，并将这些位置置为 1。判断一个元素是否在集合中时，只需要看一下这 K 个位置是否都为 1 即可。

由于布隆过滤器对于存在和不存在的元素都有一定的误判率，因此它适合于那些可以容忍一定误判率的场景，比如黑名单过滤、URL去重等。

布隆过滤器的优点是空间利用率高、判定效率高，而缺点是存在一定的误判率，且难以删除元素。

误判的原因：布隆过滤器会将数据通过 K 个哈希函数进行映射，如果 K 个哈希映射都能够找到，则认为该数据存在。这种确定一个数据是否存在的方式是不精确的，可能将原本不存在的数据误判为存在。即布隆过滤器判断为真的数据未必为真，布隆过滤器判断为假的数据必定为假（存在假阳现象，不存在假阴现象）。

事务

在加入事务队列的时候发现命令错误，则队列中的全部命令都不会执行。（类似于编译错误）

事务队列中的命令在执行时才发现错误，则跳过错误命令，其他命令执行。（类似于运行时错误）